继承时构造函数、析构函数的顺序研究

本文详细解析了使用虚拟继承在派生类中初始化基类构造函数的过程,包括构造函数调用顺序、析构顺序及内存管理。通过具体代码实例,展示了如何正确理解和实现虚拟继承,以及其对构造与析构顺序的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#pragma once
#include <iostream>
using namespace std;
class base
{
public :
             base(int idx)
             {
                         cout << idx << endl ;
             }
};

class D1 : public virtual base   //virtual 虚基类——在派生类中进行初始化 因此D::base(2)
{
public :
             D1() :base( 3)
             {
                         cout << "D1" << endl ;
             }
};

class D2 : public virtual base
{
public :
             D2() :base( 4)
             {
                         cout << "D2" << endl ;
             }
};

class D : public D2, public D1  //基类先进行初始化,因此输出结果 2,D2,D1 接着是成员函数的初始化,即3,D1,4,D2.
{
             D1 d1 ;
             D2 d2 ;
public :
             D() :base( 2){};
};



实验结果:

分析:首先,构造函数的顺序是先构造基类,再构造自己。而在构造自己之前会先调用成员函数的构造函数。
而采用虚拟继承的方法可以使得基类可以在派生类中进行初始化,并只构造一次。因此首先输出的是
base(2)——调用base的构造函数 输出2
其次是D2的构造函数 输出D2
再者是D1的构造函数 输出D1
接着进行成员的构造
首先是D1 d1构造,调用其基类构造函数
D1:初始化base(3) 输出3
接着输出D1
D2:初始化base(4) 输出4
接着输出D2

构造函数完毕!


接着是该研究的升级版!
#pragma once
#include <iostream>
using namespace std;
class base
{
public :
             base(int idx)
             {
                         cout << idx << endl ;
             }
             ~base()
             {
                         cout << "delete base" << endl;
             }
};

class D1 : public virtual base
{
public :
             D1(int idx = 0 ) : base(3 )
             {
                         cout << "D1 " << idx <<endl ;
             }
             ~D1()
             {
                         cout << "delete D1" << endl ;
             }
};

class D2 : public virtual base
{
public :
             D2(int idx = 0 ) : base(4 )
             {
                         cout << "D2 " << idx <<endl ;
             }
             ~D2()
             {
                         cout << "delete D2" << endl ;
             }
};

class D : public D2, public D1
{
             D1 d1 ;
             D2 d2 ;
public :
             D() :d1( 1),d2 (2), base(2 ){
                         d1 = 3;
                         d2 = 4;
             };
             ~D()
             {
                         cout << "delete D" << endl ;
             }
};



输出结果:

分析如下:
首先 前面直至 4 D2 2 与上一部分相似
构造完成员后进入自身类的构造函数内部,对d1,d2进行赋值。此时首先用3初始化一个新的临时D1类,因此是 3 D1 3
接着将其赋值给原本的d1,此时对临时D1类进行delete 其顺序为先delete派生类,最后delete基类,与构造函数的顺序刚好相反
后面D2的构造与析构类似

最后,程序终止的时候D析构
首先析构本身,delete D 
接着析构成员
最后析构基类


内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值